Face feature selection using genetic algorithm under different biometric variations

Abstract

Bu çalışmada Temel Bileşenler Analizi (PCA) uygulanarak farklı biyometrik değişimler altında yüz tanıma performansını artırmak için Genetik Algoritma (GA) uygulanması yapıldı. Tasarımı yapılan algoritmik yöntem ile PCA'nın performansının GA yönteminin ORL, FERET ve BANCA veri tabanlarına uygulanarak optimize edilmiştir.Geliştirilen bu algoritmik yöntemin ORL ve FERET veri tabanlarına uygulanması ile elde edilmiş MRR (Maksimum Tanıma Oranı) sonuçlarının, WAVELET-PCA-GA-SVM yöntemi ile bulunan sonuçlara yakın olduğu tespit edilmiştir. Ayrıca, yöntemin BANCA veri tabanı uygulanmasından elde edilen 100% Maksimum Tanıma Oranı sonucu, YALE VE YALE-B veri tabanlarına uygulanan WAVELET-PCA-GA-SVM yönetimden elde edilen sonuçla aynı olduğu bulunmuştur.Genel olarak bu çalışmanın önemli bir neticesi PCA üzerinde yapılan GA işlevi PCA 'nın önemsiz sayılabilecek veri gruplarını kaldırmada etkili olduğu ve performansı arttırıcı özellikleri olduğudur.

In the current study face recognition under different biometric variations is investigated applying Principal Components Analysis (PCA). In order to improve the recognition performance Genetic Algorithm (GA) is selected. The algorithm follows optimized selection of PCA features based on GA operations on the datasets ORL, FERET and BANCA.The maximum recognition rate (MRR) results obtained with ORL and FERET databases are found to be close to the results of computed with WAVELET-PCA-GA-SVM method. Further the MRR results obtained for BANCA database is 100% as that of the computed with WAVELET-PCA-GA-SVM method for YALE and YALE-B databases.Generally PCA on GA is found to be effective in removing irrelevant data groups and therefore it improves the performance.